PWC Net 다운로드 -PWC PWC Net 소스 코드 다운로드

PWC Net

파이썬

1.0.0

다운로드

PWC-NET : 피라미드, 뒤틀림 및 비용 부피를 사용한 광학 흐름에 대한 CNNS

특허

용법

Caffe 사용자의 경우 Caffe/Readme.md를 참조하십시오.

Pytorch 사용자의 경우 Pytorch/Readme.md를 참조하십시오

Pytorch 구현은 Caffe 구현과 거의 일치합니다 (Sintel Training 세트의 최종 패스에서 평균 EPE : Pytorch의 2.31 및 Caffe의 2.29).

네트워크 아키텍처

PWC-NET는 최첨단 결과를 달성하기위한 엔드 투 엔드 훈련 가능한 심해 신경망에서 이미지 피라미드, 뒤틀림 및 비용 볼륨을 포함한 몇 가지 고전적인 광학 흐름 추정 기술을 융합시킵니다.

종이 및 인용

Deqing Sun, Xiaodong Yang, Ming-Yu Liu 및 Jan Kautz. "PWC-NET : 피라미드, 뒤틀림 및 비용 부피를 사용한 광학 흐름에 대한 CNN." CVPR 2018 또는 ARXIV : 1709.02371

업데이트 및 확장 버전 : "모델이 중요합니다. 교육도 마찬가지입니다. 광학 흐름 추정을위한 CNN에 대한 경험적 연구." ARXIV : 1809.05571

프로젝트 페이지 링크

Robust Vision Challenge Workshop에서 이야기하십시오

CVPR 2018 컨퍼런스에서 대화하십시오

pwc-net을 사용하는 경우 다음 논문을 인용하십시오.

 @InProceedings{Sun2018PWC-Net,
  author    = {Deqing Sun and Xiaodong Yang and Ming-Yu Liu and Jan Kautz},
  title     = {{PWC-Net}: {CNNs} for Optical Flow Using Pyramid, Warping, and Cost Volume},
  booktitle = CVPR,
  year      = {2018},
}

또는 Arxiv 종이

 @article{sun2017pwc,
  author={Sun, Deqing and Yang, Xiaodong and Liu, Ming-Yu and Kautz, Jan},
  title={{PWC-Net}: {CNNs} for Optical Flow Using Pyramid, Warping, and Cost Volume},
  journal={arXiv preprint arXiv:1709.02371},
  year={2017}
}

또는 업데이트 및 확장 버전

 @article{Sun2018:Model:Training:Flow,
  author={Sun, Deqing and Yang, Xiaodong and Liu, Ming-Yu and Kautz, Jan},
  title={Models Matter, So Does Training: An Empirical Study of CNNs for Optical Flow Estimation},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)},
  note = {to appear}
}

멀티 프레임 흐름에 대해서도 인용하십시오

 @inproceedings{ren2018fusion,
  title={A Fusion Approach for Multi-Frame Optical Flow Estimation},
  author={Ren, Zhile and Gallo, Orazio and Sun, Deqing and Yang, Ming-Hsuan and Sudderth, Erik B and Kautz, Jan},
  booktitle={Proceedings of the IEEE Winter Conference on Applications of Computer Vision (WACV)},
  year={2019}
}